AI กำลังปรับเปลี่ยนการทำงานของไดรฟ์มอเตอร์ในภาคสนามอย่างเงียบ ๆ

STMicroelectronics ได้ขยายผลิตภัณฑ์ด้านการควบคุมการเคลื่อนไหวสำหรับงานอุตสาหกรรมด้วย FP-IND-MCAI1 ซึ่งเป็นแพ็กเกจซอฟต์แวร์ควบคุมมอเตอร์ที่เสริมความสามารถด้วย AI และพัฒนาสำหรับแพลตฟอร์มไดรฟ์ BLDC ผลิตภัณฑ์นี้มุ่งเป้าไปที่วิศวกรที่ทำงานกับระบบเซอร์โวขนาดกะทัดรัดและระบบมอเตอร์แรงดันต่ำ ซึ่งต้องการประสิทธิภาพแบบปรับตัวได้แทนการปรับจูนแบบตายตัว

แตกต่างจากเฟิร์มแวร์ไดรฟ์แบบดั้งเดิม แพ็กเกจนี้ผสานฟีเจอร์แมชชีนเลิร์นนิงไว้โดยตรงในลูปควบคุม ไม่เพียงทำหน้าที่ประมวลผลคำสั่งการเคลื่อนไหว แต่ยังวิเคราะห์สภาวะการทำงานแบบเรียลไทม์ด้วย

การเปลี่ยนแปลงนี้สะท้อนแนวโน้มที่กว้างขึ้นในด้านการควบคุมการเคลื่อนไหว ซึ่งระบบอัจฉริยะในตัวเริ่มเข้ามาแทนที่แนวทางการปรับจูนด้วยตนเองในระบบเซอร์โวและหุ่นยนต์อุตสาหกรรมขนาดเล็ก

แพลตฟอร์ม EVLSPIN32G4-ACT แสดงให้เห็นว่าสแต็กควบคุมที่พร้อมรองรับ AI สามารถทำงานภายในสถาปัตยกรรมฮาร์ดแวร์ไดรฟ์ BLDC ขนาดกะทัดรัดได้อย่างไร

เมื่อลูปควบคุมเริ่มเรียนรู้จากตัวเครื่องจักรเอง

จากการปรับจูน PID สู่ระบบอัจฉริยะแบบปรับตัวได้

ระบบเซอร์โวแบบดั้งเดิมอาศัยพารามิเตอร์ PID ที่ปรับจูนด้วยตนเอง วิศวกรจะปรับค่าเกนตามประสบการณ์และผลลัพธ์จากการทดสอบเดินระบบ FP-IND-MCAI1 เปลี่ยนกระบวนการนี้ด้วยการใช้พฤติกรรมของมอเตอร์ในอดีตเป็นข้อมูลอ้างอิงสำหรับการปรับจูน

ซอฟต์แวร์จะตรวจสอบการตอบสนองของแรงบิด ความผันแปรของโหลด และเสถียรภาพของการเคลื่อนไหว จากนั้นจะปรับพฤติกรรมการควบคุมเพื่อเพิ่มประสิทธิภาพและลดความเค้นทางกลเมื่อเวลาผ่านไป

การสั่นสะเทือนกลายเป็นสัญญาณดิจิทัล ไม่ใช่เพียงสัญญาณรบกวน

ความสามารถสำคัญประการหนึ่งมาจากการรองรับการผสานเซนเซอร์ตรวจจับการสั่นสะเทือนแบบเลือกใช้ ระบบจำแนกสภาวะการทำงานเป็นปกติ สั่นสะเทือนสูง หรือไม่เสถียร โดยใช้โมเดล ML ที่ฝังอยู่ในระบบ

สัญญาณกระแสและอินพุตจากเซนเซอร์จะป้อนเข้าสู่โมเดลอย่างต่อเนื่อง ทำให้ตรวจพบรูปแบบการเสื่อมสภาพได้ตั้งแต่เนิ่น ๆ ซึ่งโดยปกติอาจไม่ปรากฏให้เห็นในระบบวิเคราะห์ไดรฟ์แบบทั่วไป

การจำแนกสภาพมอเตอร์ช่วยให้ผู้ปฏิบัติงานระบุพฤติกรรมผิดปกติได้ก่อนที่จะพัฒนาไปสู่ความเสียหายทางกล

ไดรฟ์ที่ใช้ AI เหมาะกับระบบอุตสาหกรรมจริงในส่วนใดบ้าง

สแต็กซอฟต์แวร์นี้มุ่งเป้าไปที่การใช้งานซึ่งความสม่ำเสมอของการเคลื่อนไหวส่งผลโดยตรงต่อผลิตภาพ หุ่นยนต์ เซลล์ระบบอัตโนมัติขนาดกะทัดรัด และระบบประกอบที่ต้องการความแม่นยำ ล้วนเป็นกลุ่มที่ได้รับประโยชน์หลัก

ในเครื่องจักรหยิบและวาง แม้การเพิ่มประสิทธิภาพเพียงเล็กน้อยก็ช่วยลดเวลารอบการทำงานได้เมื่อทำซ้ำหลายพันครั้ง การปรับจูนแบบปรับตัวได้ช่วยรักษารูปแบบการเคลื่อนไหวให้สม่ำเสมอขณะที่ชิ้นส่วนทางกลเสื่อมสภาพ

ระบบนิเวศการควบคุมมอเตอร์ STM32 และ NanoEdge AI Studio ช่วยขยายความสามารถนี้เข้าสู่กระบวนการทำงานของนักพัฒนา วิศวกรสามารถปรับปรุงโมเดลและผสานโมเดลเข้ากับลอจิกควบคุมแบบกำหนดเองได้ โดยไม่ต้องสร้างสถาปัตยกรรมระบบทั้งหมดขึ้นใหม่

อุตสาหกรรมกำลังเปลี่ยนจากการควบคุมไปสู่การคาดการณ์พฤติกรรม

การควบคุมมอเตอร์ด้วย AI ไม่ได้มีเป้าหมายเพื่อแทนที่ลอจิกของระบบเซอร์โว แต่เป็นการเพิ่มชั้นข้อมูลป้อนกลับที่เข้าใจการเสื่อมสภาพ ความผันแปรของโหลด และรูปแบบความเค้นจากสภาพแวดล้อม

แนวทางนี้สอดคล้องกับแนวโน้มอุตสาหกรรมที่กว้างขึ้น ซึ่งเห็นได้จากการบำรุงรักษาตามสภาพและการวิเคราะห์ข้อมูลที่เอดจ์ แทนที่จะตอบสนองเมื่อเกิดข้อขัดข้อง ระบบจะเริ่มคาดการณ์ข้อขัดข้องล่วงหน้า

เมื่อผู้ผลิตเซมิคอนดักเตอร์ผสานความอัจฉริยะเข้าใกล้ขั้นตอนไดรฟ์มากขึ้น ขอบเขตระหว่างระบบควบคุมกับเอนจินวิเคราะห์ข้อมูลก็ยังคงเลือนรางลง

การเปลี่ยนแปลงทางเทคนิคที่จะปรับโฉมแนวคิดการออกแบบระบบการเคลื่อนไหว

FP-IND-MCAI1 สะท้อนทิศทางที่ชัดเจนของการออกแบบระบบอัตโนมัติในภาคอุตสาหกรรม วิศวกรควบคุมไม่ได้เพียงปรับจูนพฤติกรรมการเคลื่อนไหวอีกต่อไป แต่กำลังออกแบบระบบแบบปรับตัวได้ซึ่งพัฒนาต่อเนื่องระหว่างการทำงาน

แนวโน้มนี้น่าจะส่งอิทธิพลต่อสถาปัตยกรรมเซอร์โวรุ่นถัดไป โดยเฉพาะในหุ่นยนต์ขนาดกะทัดรัดและระบบการเคลื่อนไหวแบบกระจายศูนย์ ซึ่งระบบอัจฉริยะในตัวช่วยลดการพึ่งพาคอนโทรลเลอร์ส่วนกลาง

ผลกระทบในระยะยาวเป็นการเปลี่ยนแปลงเชิงโครงสร้าง ระบบการเคลื่อนไหวจะมีพฤติกรรมคล้ายองค์ประกอบที่เรียนรู้ได้มากขึ้น แทนที่จะเป็นอุปกรณ์ที่ทำงานตามฟังก์ชันตายตัว

*Daniel Mercer ผู้สื่อข่าวด้านระบบอุตสาหกรรม ซึ่งมีประสบการณ์ 14 ปีในระบบเซอร์โว แพลตฟอร์มควบคุมที่เอดจ์ และสถาปัตยกรรมระบบอัตโนมัติ จากโครงการของ Siemens, Schneider Electric และ Beckhoff Automation*